Nvidias Forschungsabteilung GEAR hat das System Flora als Open Source veröffentlicht. Es versieht Robotervideos mit drei Arten von Labels: welche Handlung gerade ausgeführt wird, wie gut jeder einzelne Schritt gelingt und ob die Aufgabe insgesamt erfolgreich ist. Laut Nvidia kostet es mit dem Tool etwa 72 Cent, eine Stunde Videomaterial zu labeln. Mit OpenAI’s GPT‑6 Astra wären es demnach rund $88.50. Die Kostenschätzung geht von einem Mietpreis von $10 pro GPU-Stunde aus.
Flora basiert auf drei feinabgestimmten Qwen 3.5-Modellen. Ein Modell mit 9 Milliarden Parametern teilt Videos in Handlungsabschnitte auf. Ein Modell mit 27 Milliarden Parametern erstellt Bildunterschriften, die auch den Kontext der umliegenden Handlungen berücksichtigen. Ein zweites Modell mit 27 Milliarden Parametern – Flora‑Rewarder genannt – bewertet den Erfolg, klassifiziert die einzelnen Schritte und vergibt Punktzahlen anhand von Bewertungskriterien. Nvidia zufolge annotiert das System bereits bis zu 200 000 Videostunden pro Tag auf einem Cluster mit 512 GB300-GPUs. Die Modelle sind auf Hugging Face verfügbar.
Wie Flora im Vergleich zu anderen großen Sprachmodellen abschneidet
In Nvidias eigenem Test mit 50 Robotervideos erreichte Flora eine Annotationsqualität von 57.1 % bei Kosten von $0.72 pro Stunde. GPT‑6 Astra kam auf 53.7 % und $88.49 pro Stunde. Claude Opus 5 war mit rund $42 pro Stunde günstiger als Astra, schnitt aber deutlich schlechter ab. Beim öffentlichen WGO‑Bench überzeugte Flora darin, Handlungsgrenzen zu erkennen, lag bei der Genauigkeit der Gesamtbeschreibungen jedoch hinter Astra und Gemini 3.8 Flash. Auf Nvidias DenseCaptionBench lag Flora bei Aufnahmen von Menschen vorn, bei Robotervideos dagegen hinter Astra auf Platz zwei.
Warum Kosten und Leistungsumfang für Robotikentwickler wichtig sind
Die Kennzeichnung großer Videodatensätze ist ein Engpass beim Training von Modellen zur Robotersteuerung. Senkt Flora die Kosten pro annotierter Stunde, könnten kleinere Labore und Start-ups größere Trainingsdatensätze erstellen, ohne für kommerzielle Dienste wie Scale AI’s Physical AI Data Engine bezahlen zu müssen. Die Veröffentlichung als Open Source ermöglicht es Entwicklern außerdem, die Datenpipeline innerhalb von Nvidias Hardware-Ökosystem zu betreiben – was den Kauf weiterer Nvidia-GPUs fördern könnte.
Warum es wichtig ist
Günstigeres Labeling ermöglicht es Robotikteams, mit größeren Datensätzen und schneller leistungsfähigere Modelle zu trainieren, ohne dafür riesige Budgets zu benötigen. Dank der Open-Source-Veröffentlichung können Forschende die Pipeline anpassen. Die Kostenangaben beruhen jedoch auf Nvidias internen Preisannahmen; die tatsächlichen Ausgaben können daher abweichen.
